量化投資作為一種交易方式風(fēng)靡全球，尤其當(dāng)西蒙斯的大獎?wù)禄鸨皇廊怂赖臅r候，量化投資也被越來越的人所知道，那究竟量化投資，交易策略量化又該注意什么呢？量化策略研究作為量化投資的一部分，指的是需要根據(jù)一種或多種確鑿的獲利理念，由某一特定顯式表示的模型，指導(dǎo)量化模型的使用者反復(fù)地以人工或機器執(zhí)行指令，參與單邊或多空交易，同時在策略的執(zhí)行過程中，需要實時監(jiān)控投資組合價值與目標(biāo)利潤的偏離情況，調(diào)整相關(guān)參數(shù)，直到現(xiàn)有模型生命期限終了，再轉(zhuǎn)入到新的模型。

       量化研究過程大體可以劃分為定價與投資品種的選取、模型實現(xiàn)、資產(chǎn)配置與組合優(yōu)化、訂單生成與交易執(zhí)行、績效評估和風(fēng)險管理等部分。目前量化策略主要重點集中在基于新興起的行為金融學(xué)的策略及程序化交易與算法交易策略兩大部分。基于行為金融學(xué)的策略，主要是根據(jù)歷史上沒有發(fā)生過相同的情況，但曾有相似事件對市場情緒造成了極大干擾，短時間內(nèi)影響著相應(yīng)資產(chǎn)價格的大幅波動。程序化交易與算法交易策略則指的是根據(jù)相同品種的歷史交易數(shù)據(jù)及持倉成本等一系列影響因素，測算多空開平點位、止盈止損點位、模擬介入下的策略效果等因素。交易所制度安排、做市、期現(xiàn)套利、期貨配對、價差交易、套期保值、多空對沖(事件驅(qū)動型)、相對價值型方案、純粹單邊交易(如波動率)、場內(nèi)外期權(quán)買賣價差交易、展期交易等均屬與程序化交易與算法交易策略范疇。

       量化研究還可以分為基于微觀及宏觀層面兩個方向。微觀層面，如從交易數(shù)據(jù)中尋找市場失靈機會。當(dāng)前微觀層面的量化研究主要從以下三個方面著手：數(shù)據(jù)庫管理、策略量化及模型構(gòu)建、實踐操作與效果跟蹤。

       第一，數(shù)據(jù)庫管理。有效的數(shù)據(jù)庫管理涉及歷史數(shù)據(jù)的調(diào)用及本地數(shù)據(jù)庫的維護，包含處理國內(nèi)股指期貨與商品期貨的分筆數(shù)據(jù)導(dǎo)出、保存到本地數(shù)據(jù)庫、針對一定頻率抽取截面或橫面數(shù)據(jù)進行深度加工處理、自動化地定時更新添加整理數(shù)據(jù)工作，從而方便抽取各種時段、特定時刻、一定時間間隔的期貨、現(xiàn)貨、基差、價差等交易數(shù)據(jù)。

        第二，策略量化及模型構(gòu)建。這是量化研究的重中之重，分為模型選擇及效果回測兩個層面。

        選擇納入研究范圍的模型，不能只是就獲利理念論建模、比較模型，研究者還需要找出與整個策略實施過程關(guān)聯(lián)度大的其他方案。例如，設(shè)計配對交易方案，考慮了EG、Johansen協(xié)整方案后，研究者還可以選擇Beta系數(shù)方法或殘差標(biāo)準(zhǔn)差作為觸發(fā)水平方案等。進行期權(quán)定價研究時，除期權(quán)定價公式外，各種參數(shù)計算模型(擬最大似然估計、模擬退火算法、最小二乘法)、計算速度與程序運行效率改進算法也是需要關(guān)注的重點。從策略構(gòu)建時就開始關(guān)注整體涉及的模型，是開發(fā)成功的模型中重要的一個環(huán)節(jié)。

       效果回測指檢驗策略模型的穩(wěn)健性，選取匹配交易環(huán)境的方案。當(dāng)在研究回測過程的時候，需要針對歷史和模擬情景下的數(shù)據(jù)進行樣本內(nèi)外、連接實時行情進行實際交易環(huán)境下的效果檢驗。針對各種行情(單邊上漲、單邊下跌、先上漲后下跌、先下跌后上漲、振蕩、使用蒙特卡羅模擬技術(shù)計算的數(shù)據(jù))，多次調(diào)整測試時段，確定開平倉的觸發(fā)水平，觀察結(jié)果中異常偏離及整體效果等數(shù)據(jù)，并依托資產(chǎn)組合的價值達到一定水平執(zhí)行止盈止損、資金回撤操作等捕獲資產(chǎn)組合價值高位運行的手段，篩選表現(xiàn)較佳的策略。總而言之，在了解將在整個運行過程中要使用的模型方案后，留給效果回測環(huán)節(jié)解決的問題主要如下：選擇什么樣的參數(shù)、得到什么樣形式的變量、整個過程如何銜接、如何篩選適當(dāng)方案。

       第三，實踐操作與效果跟蹤。包括指令管理、買賣信號傳遞、效果評估等一些子系統(tǒng)的設(shè)計。

       交易優(yōu)化的時候主要涉及參數(shù)調(diào)整及下單方式。在下單時，針對考慮買賣差價流動性等市場信號，使用算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執(zhí)行價格，以降低在交易的時候給市場的造成的沖擊成本、提高執(zhí)行效率和訂單執(zhí)行的隱蔽性。下單執(zhí)行策略，像VWAP、TWAP使用較多。

資金管理及模擬情景，主要是應(yīng)對高杠桿帶來的尾部風(fēng)險事件，預(yù)先測算需要承擔(dān)的最大損失，并確保策略在自身的承受范圍內(nèi)。

       至于其他方面包括交易指令的使用、成交執(zhí)行差額、交易前后交易成本比較、指令傳輸速度優(yōu)化、機會成本權(quán)衡等。例如，執(zhí)行買賣價差策略時，系統(tǒng)頻繁地發(fā)送指令，并根據(jù)實時更新的參數(shù)，進行切換或取消指令的操作。

       量化方案實施的時候，研究者還需要針對策略的設(shè)計特點，評估其存續(xù)的壽命，在策略方案累計收益處于高位(未達到頂峰)時，嚴格地將交易策略終止，設(shè)計系列策略路線圖并于舊策略終止前，將新策略運用到實際環(huán)境中，從而保證新舊策略交替過程連貫有序。所以，隨著量化技術(shù)不斷更新，策略所處的環(huán)境也在不斷更變，持續(xù)更新策略細節(jié)及針對新的成果進行創(chuàng)新性研發(fā)，提高量化研究的思考思路，重新審視已有策略的假設(shè)，不斷更新變革視點，堅持漸進性創(chuàng)新與根本性突破兩條腿走路，開發(fā)尚未被市場發(fā)掘到的模型方案，增強量化工具的運用能力，加大對匹配實際交易環(huán)境要求的量化策略及產(chǎn)品設(shè)計研究的投入，才應(yīng)該是量化策略研究的關(guān)鍵所在。